光说数据分析理论太干，我想通过一个电商案例，来盘活与销售数据分析相关的术语和方法论，以便各位更策略的应对“双11”等各类线上大促的挑战。

销售额突破预期就意味着经营步入正轨了吗？

靠分析。

当我们面对数据的时候，不能光盯着数据本身看，就数据论数据，而是要用一个完整的数据分析框架去解读数据。

• 先从不同的维度去分解问题；

• 再根据每个维度上的数据建立参照系做对比，找到业务的薄弱环节或部分；

所谓细分，是指通过拆解不同维度，找到需要分析的某个指标的影响因素。

什么是维度？

维度起源于几何学，指的是连接两个同种空间的通路，用在数据分析的时候多指一种视角，比如性别、地区、时间、距离等都是数据分析时常会用到的视角。

1、要What，就是你卖的是什么产品？

……

按照28原则，理想状态是80%的销售额来源于20%的产品，我们需要知道爆款是什么，卖得不好的产品是什么？细分清楚才能进行下一步的分析，了解销售额变动的原因和判断之后的趋势。

如果考虑内部，我们可以把问题拆分成，有哪几个部门在卖？由哪几个项目经理负责销售？他们各自对销售额的贡献情况如何？

客户类型有哪些？

谁是影响者？谁是决策者？

消费层次如何？

采购频次如何？

……

比如本案里，我们可以比较看看销售额是不是有周期性变动的规律？

就本案来说，这个老板同时铺了几个渠道或者平台在卖，那么多的渠道里，哪个或者哪些渠道的销售额更好？

6、是Why，就是客户的购买动机是什么？

比如本案中，我们可以思考，在客户的购买动机里，是要送礼的多还是要自用的多？是什么原因促使他们来买礼品？等等。

7、是How，即客户如何购买？

8、是How much，即客户愿意为产品付出多少成本？

还可以考察一下客户的购买成本是如何构成的，是否包含理解成本、货币成本、风险成本、时间成本、便利成本等，具体问题具体分析。

就本案来说，在这一点上要考虑的是目前的定价策略会不会对销售额有影响？哪种定价方式更有利于扩大销售额？

2、弄清楚怎么比

也就是选择比较的对象要有可比性。比如公司的某个产品的销售额不能和全省该产品的社会零售总额去比，这都不是一个量级，怎么比？比较只能和同量级的比。

3、弄清楚比完后要干嘛

也就是说，这款手表对上个月100万销售额的贡献微乎其微，属于该公司销售的薄弱环节。

这种情况下，我们是去找表现最好的去优化升级、挑战更高的极限呢？还是先试着补足短板呢？

一般情况下，碰到某款产品销量差，相关经手人的第一反应是是什么呢？责怪！

怎么溯源？看鱼骨图

我们用鱼骨图来分析一下电商投放信息流广告时可能遇到的运营问题。

根据图示，我们可以了解到，整个电商投放环节涉及到了6块内容，分别是最开始的选款，然后是针对性的定价，接着是投放相关的定向、创意、落地页，最后还涉及到客服、物流等后端，这里面每一步都可以再拆分成很多小步骤。

比如选款环节。

电商的选款是个非常复杂的过程，对选款人的营销能力和市场敏感度均有很高的要求。那么通常我们在选款时可以考虑的内容有：

比如大部分快消品行业主要的竞争关键是品牌，如果我们想选的产品是属于这个领域的，那我们就要考虑这个产品的品牌是否有号召力。

比如同样是线上卖手机，同等条件下，你卖iPhone的效果和“YOTA”phone的效果是不一样的。

2、产品是否适销对路？

线上选款和线下选款是有差别的，需要实际体验才能成交或是需要专业的咨询服务才能成交的产品就不是非常适合在线上直接售卖，或是转化门槛太高的产品，在线上销售时用户的折损率也会比较高。

比如有些保险产品的销售就需要专人服务才能成交，在线上销售转化门槛太高，转化成本高也是情理中事。

40%是什么概念？通常来说，线下礼品类销售能有20%的回购率就已经不错了，这个40%就等于翻倍了，也正因为此，给了这个电商公司的老板非常大的信心，觉得可以放到线上卖卖试试。

客服环节主要考虑的是用户体验，一般影响用户体验的因素有如下几个方面：

这里我们推荐5why分析法。

5why分析法发源于日本丰田，是丰田前副社长大野耐一发现问题时惯用的一个分析方法：通过连续追问“为什么？”来找寻问题的真正原因和解决方法，适用于多个领域。

整个分析到此就先告一段落了。

回过头来我们再来看看文章开头说的案例，100万元这个数据本身其实并没有什么意义，我们只有把它代入到具体的商业背景中，通过对比、细分、溯源，才能解读出它背后的商业价值。

说到底，数据分析是生意的一部分，一切分析工作都是为了帮助我们达成商业目标。